摘要
视频中的异常检测是指识别不符合预期行为的事件。然而，几乎所有的现有方法都是通过最小化训练数据的重建误差来解决这一问题，这并不能保证异常事件具有更大的重建误差。在本文中，我们提出在一个视频预测框架内解决异常检测问题。据我们所知，这是首次利用预测未来帧与真实帧之间的差异来检测异常事件的工作。为了提高正常事件未来帧的预测质量，除了常用的强度和梯度的空间约束外，我们还在视频预测中引入了运动（时间）约束，即强制预测帧与真实帧之间的光流保持一致。这是首次将时间约束引入到视频预测任务中的工作。这些空间和运动约束有助于提高正常事件未来帧的预测精度，从而有助于识别那些不符合预期的异常事件。我们在一个玩具数据集和一些公开可用的数据集上进行了大量实验，验证了我们的方法在对正常事件不确定性具有鲁棒性和对异常事件敏感性方面的有效性。